探索云世界
图像识别服务（Image Recognition）基于大数据和深度学习实现，可精准识别图像中的视觉内容，包括上千种物体标签、数十种常见场景等，包含场景分类、图像打标、鉴黄等在线API服务模块，应用于智能相册管理、图片分类和检索、图片安全监控等场景。
原标题：使用图像文字识别技术获取失信黑名单 最近接了一个新需求，需要获取一些信用黑名单数据，但是找了很多数据源，都是同样的几张图片，目测是excel表格的截图，就像下面这样： 既然没有找到文本类型的数据源，只能对图片上的文字进行识别了。
本文将通过一系列的天鹅图片来解释卷积神经网络（CNN）的概念，并使用CNN在常规多层感知器神经网络上处理图像。
18.1问题描述和流程图 （1）图像文字识别是从给定的一张图片中识别文字。 （2）流程包括： 1.文字侦测 2.字符切分（现在不需要切分了） 3.字符分类 18.2滑动窗口 在行人检测中，滑动窗口是首先训练一个固定尺寸输入的判断是否有行人的网络，然后在一张图片中裁该尺寸的图片，送入到网络中；然后不断移动裁剪区，重复以上过程，知道裁剪到最后，这时按比例放大裁剪区，然后将裁剪到的图片缩放到网络的输入，如此循环。
说明：主要考虑深度学习的方法，传统的方法不在考虑范围之内。 1.文字识别步骤 1.1detection：找到有文字的区域（proposal)。 1.2classification：识别区域中的文字。 2.文字检测 文字检测主要有两条线，两步法和一步法。
以最佳的101 layer的ResNet-DUC为基础，添加HDC，实验探究了几种变体： 无扩张卷积(no dilation)：对于所有包含扩张卷积，设置r=1r=1 扩张卷积(dilation Conv )：对于所有包含扩张卷积，将2个bloc...
嗨，我最亲爱的伙计们，很高兴我们又见面了。 首先先感谢朋友们的关注。当然我更希望认识与计算机相关的领域的朋友咱们一起探讨交流。重点说一下，我是真人，不是那些扒文章的自媒体组织，大家可以相互交流的！ 本篇文章我们来讲一下关于AI相关的人脸追踪，人脸识别相关的一些知识。
【OpenCV学习笔记 023】两种图像分割方法比较 此次研究两种图像分割法，分别是基于形态学的分水岭算法和基于图割理论的GrabCut算法。OpenCV均提供了两张算法或其变种。鉴于研究所需，记录一些知识点，开发平台为OpenCV2.4.9+Qt5.3.2。
【图像算法】彩色图像分割专题七：基于分水岭的彩色分割 SkySeraph July 7th 2011 HQU Email：zgzhaobo@gmail.com QQ：452728574 Latest Modified Date：July 7th 2011 HQU --------...
【图像算法】彩色图像分割专题七：基于分水岭的彩色分割 SkySeraph July 7th 2011 HQU Email：zgzhaobo@gmail.com QQ：452728574 Latest Modified Date：July 7th 2011 HQU --------...
【图像算法】彩色图像分割专题一：颜色空间1（原理） SkySeraph May 3rd 2011 HQU Email：zgzhaobo@gmail.com QQ：452728574 Latest Modified Date：May 13rd 2011 HQU 暂时把收集的一些有用的资料链接给上，以后再补工程源码~~ 补上： 源码：http://www.
【图像算法】彩色图像分割专题一：颜色空间1（原理） SkySeraph May 3rd 2011 HQU Email：zgzhaobo@gmail.com QQ：452728574 Latest Modified Date：May 13rd 2011 HQU 暂时把收集的一些有用的资料链接给上，以后再补工程源码~~ 补上： 源码：http://www.
【阿里云 MVP Meetup第四期】在北京阿里巴巴创新中心现场，AI for Industries，邀请工业行业的MVP 和阿里巴巴iDST同学们同台分享和探索产业中的“图像识别”，为开发者们带来产业AI实践经验盛宴。现场爆满，互动热烈，现场更有专家一对一咨询。
图像识别系列直播一--入门：适合新人的工程指南为大家普及DL的相关内容，并为大家共享了怎样入门图像识别。 接下来为大家分享图像识别系列直播二：U-Net在CT图像分割中的应用，进阶图像识别！ 本次邀请到医疗AI大赛人气奖宜远智能_HKBU团队
本文的整理自2017云栖大会-上海峰会上阿里巴巴iDST研究员华先胜，关于智能图像识别服务发布的讲义。从图像识别介绍、到市场分析、再到阿里云解决方案，最后进行了功能展示以及介绍了如何调用服务的方式。
在图像处理学习中会涉及到直方图，直方图很好地表现了图像的灰度信息；同时我们注意到在暗图像中，直方图的分量集中在灰度级的低端；亮图像的灰度值集中在直方图灰度值的高端；低对比度的图像有较窄的直方图，并集中于直方图的中间部分；高对比度的图像中直方图的分量覆盖很宽的范围，而且像素的分布没有太不均匀，只能看到少量垂线比其他高许多。通过图像增强可以有效地减弱这些缺陷
